深度跟踪器

DeepTracker:对卷积神经网络的训练过程进行可视化。深度卷积神经网络(CNS)在各个领域都取得了显著的成功。然而,培养一个优秀的美国有线电视新闻网实际上是一个耗费大量时间和计算机资源的试错过程。为了加快培训过程,减少试验次数,专家需要了解在培训过程中发生了什么以及为什么由此产生的美国有线电视新闻网行为如此。然而,当前流行的培训平台,如TunSoFr流,只提供非常少的和一般的信息,例如训练/验证错误,这远远不够服务于此目的。为了弥补这一差距,并帮助领域专家在实际环境中的培训任务,我们提出了一个可视化分析系统,深度跟踪,以促进探索丰富的动态美国有线电视新闻网培训过程,并确定不寻常的模式背后隐藏的大量训练日志。具体来说,我们结合了分层索引机制和一组分层小乘数,以帮助专家从不同层次的细节探索整个训练日志。我们还引入了一种新的立方体风格的可视化,以揭示复杂的相关性之间的多种类型的异构训练数据,包括神经元权重,验证图像,和训练迭代。进行了三个案例研究,以说明如何在行业级的美国有线电视新闻网培训过程中,即在我们的情况下,在IMANET数据集上训练RESNET-50,深度跟踪器为其用户提供有价值的知识。我们表明,我们的方法可以很容易地应用到其他国家的最先进的“非常深”的美国有线电视新闻网模型。

本软件关键词

这里的任何东西都将在支持画布元素的浏览器上被替换。